流形第8页

流形与深度学习

E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%B5%81%E5%BD%A2%E5%AD%A6%E4%B9%A0%EF%BC%88%E4%B8%80%EF%BC%89/什么是流形流形学习的观点

阿喵酱紫糖·2022-12-29 02:03

VINS中流形预积分的旋转误差分离推导的补充

写在前面：Forster的论文On-ManifoldPreintegrationforReal-TimeVisual-InertialOdemoetry中有关IMU预积分的推导，结合之前泡泡机器人网和北航邱笑晨博士的文档一起阅读，过程看起来就非常的详尽。但奈何博主数学真的不行，有些地方还是会卡壳。底下对一些可能的细枝末节做再进一步的解释。1、旋转的误差分离在对预测项旋转观测值得更新，有这样的描述：

X1C258388·2022-12-28 21:23

爱因斯坦场方程之Schwarzschild真空解

Schwarzschild真空解李导数和Killing矢量场推拉映射李导数Killing矢量场静态球对称时空Schwarzschild真空解李导数和Killing矢量场推拉映射设ϕ\phiϕ是流形间的光滑映射

qtxzh·2022-12-22 15:03

torch-geometric(PYG) 环境配置

基于PyTorch构建，用于处理不规则结构化输入数据（如图、点云、流形）。除了一般的图形数据结构和处理方法外，它还包含从关系学习到3D数据处理等领域中最新发布的多种方法。通过利用稀疏G

推荐算法研究僧·2022-12-21 19:04

机器学习----流行学习（manifold learning）的通俗理解

流形学习（manifoldlearning）是一类借鉴了拓扑流行概念的降维方法，在降维时，若低维流行嵌入到高维空间中，则数据样本在高维空间的分布虽然看上去十分复杂，但在局部上仍具有欧式空间（对现实空间的规则抽象和推广

刘星星儿·2022-12-20 17:39

OSI和TCP/IP模型简述

数据链路层：在不可靠的物理介质上提供可靠的传输，接收来自物理层的位流形式的数据，并封装成帧，传送到上一层；同样，也将来自

喜乐有分享·2022-12-20 15:16

局部线性嵌入算法（LLE）与其Python实现

当然现在也有kernelPCA可以实现非线性降维，但我们今天介绍的是另一种实现非线性降维的算法——局部线性嵌入（LocalLinearEmbedding），其是基于流形学习的思想。

WFRainn·2022-12-18 15:52

第13章半监督学习

semi-supervisedlearning)：让学习器不依赖外界交互，自动地利用未标记样本来提升学习性能聚类假设(clusterassumption)：假设数据存在簇结构，同一簇的样本属于同一类别流形假设

CharlesVan·2022-12-18 10:52

机器学习笔记（七）-主成分分析PCA

运行平台：WindowsPython版本：Python3.xIDE：PyCharm一、前言解决模型过拟合问题的基本方法有：增加数据量正则化降维直接降维：人工的特征选择线性降维：PCA、MDS非线性降维：流形

Blessy_Zhu·2022-12-17 14:19

矩阵求导公式大全_视觉slam | 李群和李代数特征正交群 SO(3)与特殊欧式群SE(3) 推导、映射、BCH求导...

李群(liegroup):指具有连续（光滑）性质的群，是群也是流形。刚体可以在空间中连续运动，故SO(3)

weixin_39606048·2022-12-14 19:09

流形学习详解

流形学习流形学习（manifoldlearning）是一类借鉴了拓扑流形概念的降维方法。介绍流行学习首先要说明一下什么是流形：即指具有不同维数的任意光滑的曲线或曲面。

被风吹过的会不会要逝去·2022-12-14 11:42

表示学习(Representation Learning)(三)——流形学习

关于什么是流形和流形学习(ManifoldLearning)，作为一种针对非线性数据的降维方法的算法的研究，有很多优秀的文章博客可以供大家学习，这里贴几篇文章供大家参考看看ManifoldLearning

weixin_41635741·2022-12-14 11:11

流形（Manifold）初步

欧几里得几何学(EuclideanGeometry)两千三百年前，古希腊数学家欧几里得著成了《几何原本》，构建了被后世称为“欧几里得几何学”的研究图形的方法。欧几里得创立了当时颇为独特的公理系统，即首先提出一些显然的、不言自明的公理。比如，他提出了“三角形的内角和一定等于一百八十度”的定理，他的许多几何计算也是基于此，并且看起来颇为正确。但是后来的数学家对此产生了质疑，认为这个定理是缘于经验而并非

wangxiaojun911·2022-12-14 11:39

流形-Manifold

流形，也就是Manifold。不知道你有没有为我在本文开头放上的那个地球的图片感到困惑？这是因为球面是一个很典型的流形的例子，而地球就是一个很典型的“球面”啦（姑且当作球面好啦）。

qrlhl·2022-12-14 11:09

流形的概念与应用

根据百度百科的解释，流形是局部具有欧几里得空间性质的空间，在数学中用于描述几何形体。物理上，经典力学的相空间和构造广义相对论的时空模型的四维伪黎曼流形都是流形的实例。但是流形在深度学习中有什么应用呢？

缒一·2022-12-14 11:09

流形（Manifold) 简介

转载fromhttp://www.sigvc.org/why/book/3dp/chap3.6.2.htm3D模型必须为流形（Manifold）3D模型必须为流形。

qq_42391439·2022-12-14 11:08

流形学习的解释

作者：知乎用户链接：https://www.zhihu.com/question/24015486/answer/194284643来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。最近发现我的这篇回答被人洗稿（未署名）之后转发到了其他地方。如果你是学术界的学者，看完之后用自己的理解在自己的blog上复述一遍我很理解且支持，但是谢绝任何自媒体（微信公众号、微博、头条等）

leoking01·2022-12-14 11:36

18张图，直观理解神经网络、流形和拓扑

大约十年前开始，深度神经网络在计算机视觉等领域取得了突破性成果，引起了极大的兴趣和关注。然而，仍有一些人对此表示忧虑。原因之一是，神经网络是一个黑匣子：如果神经网络训练得很好，可以获得高质量的结果，但很难理解它的工作原理。如果神经网络出现故障，也很难找出问题所在。虽然要整体理解深层神经网络很难，但可以从低维深层神经网络入手，也就是每层只有几个神经元的网络，它们理解起来要容易得多。我们可以通过可视化

hebiwen95·2022-12-14 11:35

流形结构、流形学习、图嵌入

PCA、MNF和LDA等方法是以统计学原理为基础，并根据统计学的某一优化准则，构建一个最佳模型，属于线性特征提取方法。此类方法的优点是模型确定、易于理解、处理方便和扩展性好等，但忽略了数据的空间分布，不能揭示出数据的内在结构特征。2005年，Bachmann等[77]学者研究发现高光谱数据中存在非线性结构，主要是由于高光谱图像成像时受不同时间的大气环境、不同反射率和光照、地物组成成分变化等影响，使

Mr_Zhang_Zhen·2022-12-14 11:01

流形(Manifold)学习的理解

写在前面文章参考夏天/isummer的博客园,参考链接:https://www.cnblogs.com/icmzn/p/11082509.html1.关于流形的理解流形学习的观点:我们所能观察到的数据实际上是由一个低维流形映射到高维空间上的

JaydenQ·2022-12-14 11:31

什么是流形？

什么是流形？写的很好。感觉就是一个多维空间的抽象，在这个空间中，距离的定义稍微有些特殊；1、流形就是弯曲的N实数描述的点集合；2、两点间的距离有定义：邻近的两点，其距离是座标差的平方，相加，开根号。

fK0pS·2022-12-14 11:00

什么是流形（manifold）、流形学习

流形（manifold）流形是几何中的一个概念，它是高维空间中的几何结构，即空间中的点构成的集合。可以简单的将流形理解成二维空间的曲线，三维空间的曲面在更高维空间的推广。

Rolandxxx·2022-12-14 11:58

关于降维及其相关技术（PCA，kPCA，LLE）

2.1投影和流形投影是最简单的降维方法，即将所有训练实例垂直投影到子空

爱踢球的猕猴桃·2022-12-13 20:09

机器学习基础（八）：降维与度量学习（KNN、MDS、线性降维、PCA、核化线性降维、流形学习、度量学习）

8、降维与度量学习8.1k近邻k-NearestNeighbor(KNN)学习常用的监督学习方法，“懒惰学习lazylearning”的代表给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测通常分类任务中使用“投票法（选择这k个样本中出现最多的类别标记作为预测结果）”，回归任务中使用“平均法”，还可基于距离远近进行加权平均或加权投票，距离越近的样

ling零零零·2022-12-13 20:53

XGboost有关参数及其使用（PYTHON）

首先介绍一下数据集：1：生成数据集：可以用来分类任务，可以用来回归任务，可以用来聚类任务，用于流形学习的，用于因子分解任务的用于分类任务和聚类任务的：这些函数产生样本特征向量矩阵以及对应的类别标签集合make_blobs

knowfarhhy·2022-12-13 20:19

数据分析-降维-PCA-LDA-LLE

目录前言矩阵分解法主成分分析（PCA）核PCA非负矩阵分解（NMF）FactorAnalysis独立主成分分析（ICA）判别分析法（LDA）基于流形学习的数据降维方法LLEMDSMDS实现t-SNE前言降维指采用某种映射方法

ITLiu_JH·2022-12-13 20:45

聚类算法实验常用数据集

一、二维人工数据集包含了简单的流形数据，球形数据，无噪声数据，复杂结构包含噪声的数据集。二、UCI真实数据集包含了10个数据集DatasetDimensionsClustersiris43w

一路冰雨·2022-12-09 20:11

机器学习（二）之无监督学习：数据变换、聚类分析

文章目录0本文简介1无监督学习概述2数据集变换2.1预处理和缩放2.2程序实现2.3降维、特征提取与流形学习2.3.1主成分分析2.3.2非负矩阵分解2.3.3用t-SNE进行流形学习3聚类3.1K均值聚类

什么是快乐星球！？·2022-12-09 15:52

【IoT】产品经理：如何了解行业需求、痛点和发展机会？

通过气流形成人字形的大雁群所表现出来的行为，并不是每一只大雁的行为之和；海上飓风所表现出来的特征，也不是每

产品人卫朋·2022-12-06 19:49

浅谈降维实操，一种用于处理特征的方式——后附Python代码

LoveAndProgram的个人主页如果对你有帮助的话希望三连支持一下博主降维实操前言线性降维低维嵌入多维缩放（MDS）简介MDS示例代码主成分分析法简介核化线性降维简介PCA和KPCA手写数字体识别实例代码流形学习简介等度量映射

Love And Program·2022-12-06 17:41

水塘抽样（应用场景+算法步骤+算法证明+Python实现）

应用场景在以流形式获取nnn个元素中，随机抽取kkk个样本，满足k≤nk\lenk≤n（通常有k≪nk\llnk≪n）要求：每个元素有相同的概率被选中；时间复杂度不超过O(n)O(n)O(n)，即遍历一次

长行·2022-12-06 15:36

Deep Global Registration (CVPR 2020) 论文解析

非线性光学元件·2022-12-06 08:26

t-SNE 可视化

t-SNE属于流行学习（manifoldlearning），假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射

梦家·2022-12-04 21:37

大数据技术原理与应用作业十

流数据，即数据以大量、快速、时变的流形式持续到达。2.试述流数据的特点。

Play With SanLei·2022-12-04 10:55

Qt界面显示OpenCV读取的图片

在Qt编写的界面中显示Opencv读取的图片；由于Qt有自己的读取文件的工具格式和图片显示格式：QImage，SetPixmap，SetPixel，setImage，…………Qt中文件的读取是基于文件流形式或者数组形式等等

呓语煮酒·2022-12-03 13:11

Hadoop-HDFS-定时上转Nginx用户日志用shell脚本

1、其他API&stream操作Stream流形式操作HDFS,这是一个更底层的操作方式：publicvoidtestUpload()throwsException{FSDataOutputStreamoutputStream

飞腾创客·2022-11-29 16:47

【机器学习】关于t-sne：降维、可视化

这就是流行学习方法(ManifoldLearning):假设数据是均匀采样于一个高维欧氏空间中的低维流形，流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，

开始奋斗的胖子·2022-11-28 16:11

IMPROVING SUPERPIXEL-BASED IMAGE SEGMENTATION BY INCORPORATING COLOR COVARIANCE MATRIX MANIFOLDS

协方差矩阵流形采用非欧几里德距离度量。然后，为了产生关联图，本文引进了三

起点站·2022-11-28 13:46

西瓜书前2章-task1

task1-前2章序几个概念：符号学习、统计学习、迁移学习、深度学习、流形学习第一章绪论机器学习：机器从经验数据中“提炼”模型的学习算法；若一个程序利用经验E在T任务中P方面的性能获得改善，则称关于T和

泠月清风·2022-11-28 13:05

在瑞士卷数据集上使用python绘制测地线

在学习西瓜书上的流形学习时，我们学习到了测地线的概念，那么如何画测地线呢?本文将使用python简单的实现一下在瑞士卷数据集上测地线的绘制。

淡写 ╮ 青春·2022-11-25 21:36

群论初步学习

群论学习01群的定义李群的定义群的定义近来，在机器学习当中不时会出现群论的知识，主要是在在计算机图形和视觉方面，都投入到模式分布流形(Manifold)的研究。

Eckert vain·2022-11-25 12:48

t-SNE原理与推导

t-SNE作为一种非线性降维算法，常用于流形学习(manifoldlearning)的降维过程中并与LLE进行类比，非常适用于高维数据降维到2维或者3维，便于进行可视化。t-SNE是由SNE(

scott198510·2022-11-24 16:52

LLE原理及推导过程

1.概述所谓LLE（局部线性嵌入）即”LocallyLinearEmbedding”的降维算法，在处理所谓流形降维的时候，效果比PCA要好很多。

scott198510·2022-11-24 16:52

视觉机器学习20讲-MATLAB源码示例（11）-流形学习算法

视觉机器学习20讲-MATLAB源码示例（11）-流形学习算法1.流形学习算法2.Matlab仿真3.仿真结果4.小结1.流形学习算法流形学习是一类借鉴了拓扑流形概念的降维方法，与核PCA的目的一样，它想要在低维空间中尽量保持在高维空间中的结构

mozun2020·2022-11-24 02:30

【20210914】【机器/深度学习】一种非线性降维的手段——manifold learning流形学习

一、背景高维数据不像2-3维数据那么容易可视化，它很难通过图表展示数据本身的内部结构。所以为了实现数据集结构的可视化，数据的维度必须通过某种方式降维。二、常用的降维手段一系列监督或非监督的线性降维框架，如：PrincipalComponentAnalysis(PCA,主成分分析)、IndependentComponentAnalysis(独立成分分析)、LinearDiscriminantAnal

Satisfying·2022-11-20 15:43

【机器学习】UMAP：强大的可视化&降维工具

但是这二者都存在一些问题，PCA的速度相对很快，但代价是数据缩减后会丢很多底层的结构信息；tSNE可以保留数据的底层结构，但速度非常慢；UMAP是2018年被提出的降维和可视化算法，它使用Uniform流形近似和投影

风度78·2022-11-20 09:10

托盘四向车货架｜海格里斯如何保证托盘四向穿梭车货架系统可以高效运转？

随着物流产业的迅猛发展，托盘四向穿梭式货架立体库因其在流通仓储体系中所具有的高效密集存储功能优势、运作成本优势与系统化智能化管理优势，已发展为仓储物流的主流形式之一。

qq_39775293·2022-11-20 08:23

Torchtext 使用方法

Torchtext使用方法1.Torchtext介绍众所周知，Pytorch是现今非常流形的深度学习框架。而Torchtext是一个非官方的、为Pytorch提供文本数据处理的库。

蛋王派·2022-11-20 02:48

linux SPI驱动开发

特点：操作的硬件,按照字节流形式访问例子：键盘(键值),LCD显示屏(显存),鼠标(相对坐标),UART接口(BT,GPS,GPRS),各种传感器,摄像头触摸屏(绝对坐标),EEPROM等2，块设备驱动

寒听雪落·2022-11-18 20:09

机器学习——经典降维算法与框架综述

KNN1.1KNN核心思想1.2KNN算法流程1.3KNN算法优缺点2.线性降维（1）PCA2.1.1PCA简介2.1.2PCA优化问题与算法流程（2）LDA2.2.1LDA简介2.2.2LDA优化问题与算法流程3.流形学习

@李忆如·2022-11-15 08:56

推荐频道

流形